Vous êtes sur la page 1sur 45

FACULTE DES SCIENCES ET TECHNIQUES DE L'INGENIEUR

LA – LABORATOIRE D’AUTOMATIQUE

 
 

PROJET DE SEMESTRE M2 

ETÉ 2007 

Robust Pole Placement  
of a Flexible Arm 
 
 

PROFESSEUR : PROF. ROLAND LONGCHAMP 

ASSISTANTS : DR. ALIREZA KARIMI ; HAMID KHATIBI 

AHMED SLAMA 

EPFL ‐ SECTION DE GÉNIE MÉCANIQUE 

Année 2006‐2007 
 
Ahmed Slama  Robust pole placement   

Table des matières 
 

I.  Introduction __________________________________________________________ ‐ 3 ‐ 
II.  Modélisation mathématique ___________________________________________ ‐ 4 ‐ 
1.  Première modélisation ______________________________________________________  ‐ 4 ‐ 
a.  Modélisation du servomoteur _______________________________________________  ‐ 4 ‐ 
b.  Modélisation du bras sans masse  ____________________________________________  ‐ 7 ‐ 
c.  Modélisation du bras avec une masse additionnelle  _____________________________  ‐ 9 ‐ 
2.  Vérification des modèles  ___________________________________________________  ‐ 10 ‐ 
a.  Modèle Quanser_________________________________________________________  ‐ 10 ‐ 
b.  Modèle optimisé  ________________________________________________________  ‐ 13 ‐ 
3.  Nouvelle modélisation du bras souple  ________________________________________  ‐ 16 ‐ 
4.  Vérification des nouveaux modèles ___________________________________________  ‐ 18 ‐ 
a.  Premier modèle sixième ordre  _____________________________________________  ‐ 18 ‐ 
b.  Modèle sixième ordre optimisé : ____________________________________________  ‐ 20 ‐ 
c.  Modèle sixième ordre optimisé avec masse libre _______________________________  ‐ 24 ‐ 

III.  Identification : ______________________________________________________ ‐ 27 ‐ 
IV.  Régulateur RST _____________________________________________________ ‐ 29 ‐ 
1.  Calcul des régulateurs ______________________________________________________  ‐ 29 ‐ 
a.  RST simple  _____________________________________________________________  ‐ 29 ‐ 
b.  RST avec un zéro dans le polynôme S ________________________________________  ‐ 30 ‐ 
2.  Régulateur conçu  _________________________________________________________  ‐ 31 ‐ 
3.  Essais sur les systèmes réels _________________________________________________  ‐ 34 ‐ 

V.  Régulation Robuste  _________________________________________________ ‐ 36 ‐ 


1.  Théorie de la méthode de commande et control robuste _________________________  ‐ 36 ‐ 
2.  Régulateur robuste ________________________________________________________  ‐ 38 ‐ 
3.  Essais sur les systèmes Réels  ________________________________________________  ‐ 41 ‐ 
a.  Essai sur les systèmes utilisés pour concevoir le régulateur _______________________  ‐ 41 ‐ 
b.  Essais sur d’autres systèmes  _______________________________________________  ‐ 43 ‐ 

VI.  Conclusion _________________________________________________________ ‐ 45 ‐ 
 

 
‐ 2 ‐ 
 
Ahmed Slama  Robust pole placement   

I. Introduction  
 

La  régulation  robuste  est  un  vrai  sujet  d’actualité  dans  le  domaine  de  l’automatique  auquel  il  faut 
trouver des solutions adéquates vu que même si on ne change pas explicitement notre système, on 
peut avoir à faire à ces modifications par le facteur naturel de l’usure des composants. 

Notre bras ici est un système assez simple en apparence et sur lequel on peut traiter facilement le 
problème de régulation robuste vu qu’on change facilement le système juste en ajoutant des masses 
à un endroit donné du bras. 

Le but de ce projet est de réussir à modéliser un régulateur robuste et comparer avec les régulateurs 
RST vu au cours. 

 
‐ 3 ‐ 
 
Ahmed Slama  Robust pole placement   

II. Modélisation mathématique  

1. Première modélisation  
 

Notre  système  est  composé  d’un  bras  flexible  attaché  à  un  moteur  à  courant  continu  au  travers 
d’une  transmission,  qu’on  doit  commencer  par  le  modéliser  mathématiquement  à  partir  des 
équations de la physique. 

a. Modélisation du servomoteur  
 

+  Lm 
Rm  τm
θm
Im
Vm  Eemf M
Jm

‐  Jl  θl
τl  
Figure 1 : Schéma du moteur avec la transmission 

On  commence  ici  par  modéliser  la  partie  motrice  du  système  qui  contient  une  partie  électrique  et 
une  partie  mécanique  qui  est  la  transmission,  on  devra  obtenir  la  valeur  du  couple  de  sortie  de  la 
transmission qu’on devra utiliser comme entrée par la suite pour modéliser notre bras. 

On commence par appliquer la Loi des mailles « Kirchhoff »  sur la partie électrique du moteur 

 
On néglige ensuite l’inductance qui est très faible pour les moteurs électriques     

On obtient donc la valeur du courant : 

On sait que    

Loi de mouvement pour le moteur : 

 
‐ 4 ‐ 
 
Ahmed Slama  Robust pole placement   

Loi de mouvement à l’arbre de sortie de la transmission : 

  

Et en remplaçant   par sa valeur on obtient : 

  

On a que  ; et que   donc en remplaçant convenablement dans l’équation 


précédente on obtient : 

D’ou la fonction de transfert : 

 
 
Avec 

On peut illustrer maintenant notre servomoteur à l’aide d’un schéma block : 

Vm (s)  Im (s)  τm (s)  τl (s)   (s)  θl (s) 


ηm Kt  ηg Kg 
‐   
(s) 

Km  (s)  Kg 

  
Figure 2 : schéma block du moteur
Ce qui vérifie très bien toutes les équations posées avant, on détermine maintenant facilement 
l’expression du couple à l’arbre de sortie de la transmission qui sera utilisé par la suite dans la 
modélisation du bras. 

 
‐ 5 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Tableau des variables : 

Variables  Valeurs  Définitions 


Vm      différence de potentiel fourni au servomoteur 
Im      courant dans le circuit 
Eemf     Force électromotrice 
θm      position angulaire de l’arbre du moteur 
     vitesse angulaire de l’arbre du moteur 
      accélération angulaire de l’arbre du moteur 
θl      position angulaire de l’arbre de sortie 
     vitesse angulaire de l’arbre de sortie 
      accélération angulaire de l’arbre de sortie 
      couple fournie par le moteur 
      Couple applique l’engrenage  
 Kt    0.00767 N.m  Constante de couple du moteur  
 Km    0.00767 V/rad/s  Constante du moteur  
 Rm    2.6 Ω  Resistance du moteur  
 Kg    (14)x(5)=  Rapport d’engrenage  
 Jeq  0.002 Kg.m2  Inertie équivalente du servomoteur 
 Beq  0.004 N.m/(rad/s)  Viscosité équivalente du servomoteur  
 ηm   0.87  Rendement du moteur 
 ηm   0.85  Rendement de l’engrenage  
 

 
‐ 6 ‐ 
 
Ahmed Slama  Robust pole placement   

b. Modélisation du bras sans masse  

α ,   
θ +  α 

θ,    

Tl  
θ  
L  

 
Figure 3 : Schéma du bras souple
 

Ici  on  modélise  le  bras  en  le  considérant  comme  une  barre  flexible  mais  sans  masse  à  laquelle  on 
ajoute une masse concentrée au bout. 

Equations du mouvement : 

On  obtient  les  équations  du  mouvement  avec  la  méthode  de  Euler  Lagrange  en  dérivant  le 
Lagrangien par rapport aux variables généralises choisie ici θ et α. 

Energie potentielle :   

Energie cinétique :   

D’où le Lagrangien : 

On dérive maintenant en ajoutant les valeurs du couple et de la viscosité du moteur donc on aura : 

Et on obtient les lois de mouvement : 

Avec la valeur du couple à la sortie calculé avant :   

 
‐ 7 ‐ 
 
Ahmed Slama  Robust pole placement   

Et donc on obtient les expressions des accélérations: 

Desquels on obtient le model d’état du quatrième ordre suivant : 

Tableau des variables : 

Variables  Valeurs  Définition 


θ      position angulaire de l’arbre de sortie  
     vitesse angulaire de l’arbre de sortie  
     accélération angulaire de l’arbre de sortie 
α      position angulaire du bras flexible 
     vitesse angulaire du bras flexible 
     accélération angulaire du bras flexible 
 L    0.4826 m  longueur du bras  
 m    0.065 Kg  Masse du bras  
 Jb    0.005 Kg.m2  Inertie du bras  
 Kb    2 N.m/rad  Rigidité du bras 
 

 
‐ 8 ‐ 
 
Ahmed Slama  Robust pole placement   

c. Modélisation du bras avec une masse additionnelle  
 

madd 
L  
θ  

 
Figure 4 : Schéma du bras avec une masse additionnelle
 

A l’ajout d’une masse concentrée, à une certaine distance x du bout du bras, on suppose qu’il n’y a 
pas de changements remarquables sur la fréquence propre et donc la rigidité du bras. Mais ca influe 
juste sur l’inertie du bras qui va changer, donc la modélisation faite précédemment reste valable, en 
changeant juste la valeur de l’inertie. 

La nouvelle inertie devient donc : 

Et le modèle de notre système devient : 

 
‐ 9 ‐ 
 
Ahmed Slama  Robust pole placement   

2. Vérification des modèles  
 

Pour la validation des résultats de modélisation on a procédé à une identification du système réel du 
5eme ordre ce qui donne la fonction suivante : 

On compare donc à chaque fois les réponses indicielles en boucle fermée, la place des pôles et des 
zéros et les diagrammes de Bode du modèle obtenu et du système identifié. 

a. Modèle Quanser  
 

Le premier modèle ici est le modèle établi avec les valeurs des paramètres donnés par Quanser cités 
précédemment : 

Paramètres  Valeurs  Paramètres Valeurs  Paramètres Valeurs 


 L    0.4826 m   Kt    0.00767 N.m   Jeq  0.002 Kg.m2 
 m    0.065 Kg   Km    0.00767 V/rad/s  Beq  0.004 N.m/(rad/s)
 Jb    0.005 Kg.m2   Rm    2.6 Ω   ηm   0.69 
 Kb    2 N.m/rad   Kg    (14) x (5)   ηt  0.85 
 

On obtient donc la fonction de transfert du modèle continu :  

En procédant à un échantillonnage avec une période de Ts =0.015s on obtient la fonction de transfert 
du modèle discret: 

On vérifie maintenant la validité de notre modèle en procédant aux étapes citées ci‐dessus : 

 
‐ 10 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 5 : réponse indicielle en boucle fermée du modèle Quanser 

D’après  la  réponse  indicielle  on  constate  que  la  constante  de  temps  diffère  assez  du  système  réel 
donc le modèle est moins rapide que le système réel. 

 
Figure 6 : Pole‐Zéro modele Quanser 

On remarque aussi que les pôles dominants sont assez différents. 

 
‐ 11 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 7 : Diagramme de Bode modèle Quanser 

Sur  le  diagramme  de  Bode  on  voit  que  le  modèle  est  assez  différent  du  système  réel  en  hautes 
fréquences mais on pourra essayer de l’améliorer en l’adaptant convenablement dans les fréquences 
basses  et  en  essayant  de  compenser  le  pic  des  hautes  fréquences  qu’on  n’a  pas  dans  notre 
modélisation.  

 
‐ 12 ‐ 
 
Ahmed Slama  Robust pole placement   

b. Modèle optimisé  
 

On essaye donc maintenant d’améliorer le modèle en modifiant convenablement les valeurs des 
différents paramètres qui deviennent ici : 

Paramètres  Valeurs  Paramètres Valeurs  Paramètres Valeurs 


 Jb    0.00105 Kg.m2   Kt    0.00767 N.m   Jeq  0.000376 Kg.m2 
 Kb    1.4 N.m/rad   Km    0.00767 V/rad/s  Beq  0.004 N.m/(rad/s)
     Rm    1.4 Ω   ηm   0.89 
     Kg    44   ηt  0.85 
 

Et on obtient le modèle suivant : 

On procède ensuite à la comparaison : 

 
Figure 8 : Réponse indicielle model optimisé (4eme ordre) 

On  voit  qu’on  a  réussi  à  améliorer  la  réponse  indicielle  avec  un  modèle  qui  réagit  plus  vite  que  le 
système réel mais toujours avec une constante de temps légèrement inferieure. 

 
‐ 13 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 9 : Pole‐Zéro modèle optimisé (4eme ordre) 

Les pôles dominants légèrement mieux placés avec une fréquence mois basse que l’ancien modèle.  

 
Figure 10 : Diagramme de Bode modèle optimisé (4eme Ordre) 

 
‐ 14 ‐ 
 
Ahmed Slama  Robust pole placement   

On voit que l’amplitude des basses fréquences est vraiment la même et qu’on essaye de compenser 
le pic des hautes fréquences avec une moyenne d’amplitude plus importante dans cette zone.  

A  ce  niveau  on  a  essayé  de  tester  le  modèle  en  modélisant  un  régulateur  RST  sur  la  base  de  ce 
dernier, appliqué au système réel mais les résultats n’ont pas été concluant, un seul régulateur a pu 
fonctionner un peu par hasard avec des pôles du polynôme observateur à 0.4 et des pôles dominants 
à une fréquence basse. On montre ici le résultat de la simulation du système réel identifié du 5eme 
ordre auquel on applique le régulateur obtenu. 

 
Figure 11 : Simulation linéaire RST sur le système identifié 

Apres  avoir  essayé  plusieurs  autres  modèles  qui  n’arrivent  toujours  pas  à  satisfaire  notre  système 
réel on a conclu qu’a ce point notre modélisation n’est pas concluante et on le voit surtout au niveau 
du diagramme de Bode. Une grande différence persiste au niveau des hautes fréquences due au seul 
premier  mode  vibratoire  qu’on  a  pris  en  compte  dans  la  modélisation.  On  va  donc  essayer  par  la 
suite de l’améliorer en augmentant les modes oscillatoires du bras. 

 
‐ 15 ‐ 
 
Ahmed Slama  Robust pole placement   

3. Nouvelle modélisation du bras souple  
 

α 2 , m/2 

α 1 , m/2 

L  
θ  

 
Figure 12 : Schéma du bras modélisé avec 2 masses concentrées
 
On modélise maintenant notre bras avec deux masses oscillantes au lieu d’une pour obtenir les deux 
premiers modes vibratoires du bras souple, ce qui va nous mener à un modèle du sixième ordre et 
donc espérer prendre en compte le pic des hautes fréquences du modèle obtenu avec identification. 

Notre modèle contient donc une deuxième masse fixée au milieu du bras pour laquelle on devra 
calculer la nouvelle valeur des inerties qui deviennent : 

On utilise la même méthode, celle d’Euler Lagrange, pour dériver les équations du mouvement et 
obtenir donc notre modèle d’état. 

Energie potentielle : 

Energie cinétique : 

D’où le Lagrangien : 

On dérive L par rapport aux variables généralisées donc : 

 
‐ 16 ‐ 
 
Ahmed Slama  Robust pole placement   

Et on obtient les lois de mouvement : 

On reprend donc la valeur du couple de l’arbre de sortie : 

Et on obtient donc les expressions des accélérations angulaires : 

D’où le nouveau modèle d’état du sixième ordre : 

  Avec :   ;   ;   ;   ;   et D=0. 

 
‐ 17 ‐ 
 
Ahmed Slama  Robust pole placement   

4. Vérification des nouveaux modèles  

a. Premier modèle sixième ordre  
 

Le premier modèle du sixième ordre ici a été obtenu avec des paramètres choisis convenablement 
afin de placer le nouveau pic à la même fréquence, d’ou les valeurs : 

Paramètres  Valeurs  Paramètres Valeurs  Paramètres Valeurs 


 L    0.42 m   Kt    0.00767 N.m   Jeq  0.0002 Kg.m2 
 m    0.065 Kg   Km    0.00767 V/rad/s  Beq  0.004 N.m/(rad/s) 
 Kb1   2 N.m/rad  Rm    2.6 Ω   ηm   0.89 
 Kb2   1 N.m/rad  Kg    50   ηt  0.85 
 

On obtient donc la fonction de transfert suivante : 

D’où la comparaison des graphes : 

 
Figure 13  : Réponse indicielle premier modèle du sixième ordre 

La réponse indicielle est meilleure au début mais on remarque toujours une certaine différence 
ensuite, donc toujours une constante de temps plus grande.  

 
‐ 18 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 14 : Pole‐Zero du premier modèle 6eme ordre 

On voit bien ici qu’on arrive à avoir des pôles assez proches donc on peut dire que le modèle est 
meilleur vu qu’on a aussi des pôles en hautes fréquences. 

 
Figure 15 : Diagramme de Bode premier modèle 6eme ordre 

On a réussi à modéliser le pic des hautes fréquences mais on n’arrive toujours pas à avoir la bonne 
amplitude. On a donc aussi testé des régulateurs mais qui ne fonctionnent toujours pas, on a donc 
décidé d’améliorer le modèle avec une méthode d’optimisation.  

 
‐ 19 ‐ 
 
Ahmed Slama  Robust pole placement   

b. Modèle sixième ordre optimisé : 
 

On procède alors à une optimisation du modèle pour obtenir les valeurs des paramètres physiques 
en  minimisant  un  critère  J  qui  représente  la  norme  au  carré  de  la  différence  entre  la  réponse  de 
notre  modèle  et  du  système  réel,  à  un  signal  SBPA  (signal  binaire  pseudo‐aléatoire),  auquel  on  a 
enlevé la composante linéaire. 

Critère :  

On utilise donc la fonction d’optimisation de Matlab: Fmincon et on obtient les valeurs suivantes des 
différents paramètres : 

Paramètres  Valeurs  Paramètres  Valeurs  Paramètres Valeurs 


 L    0.3714 m   Kt, Km    0.006 N.m   Jeq  0.0004 Kg.m2 
 m1   0.0175 Kg  Kb1   3 N.m/rad   Beq  0.00294 N.m/(rad/s)
m2   0.0144 Kg  Kb2   0.4115 N.m/rad  ηm   0.69 
 Rm    3 Ω   Kg    50.1282   ηt  0.8 
 

D’où la fonction de transfert : 

 
Figure 16  : Réponse de modèles optimisé et réel à un signal SBPA 

On représente ici les signaux de sortie du modèle obtenu et du système réel. 

 
‐ 20 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 17  : Agrandissement de la sortie du modèle à un signal SBPA 

Ici on représente juste un agrandissement des signaux de sortie qui comme on le voit se suivent 
assez bien. 

 
Figure 18  : Réponse indicielle du modèle optimisé 6eme ordre 

On voit ici les réponses indicielles qui se superposent presque parfaitement l’une à l’autre et donc 
notre modèle est assez bon pour les premiers modes. 

 
‐ 21 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 19 : Pole‐Zéro modèle optimisé 6eme ordre 

On voit ici aussi qu’on arrive mieux à placer les pôles aux hautes et basses fréquences. 

 
Figure 20 : Diagramme de Bode modèle optimisé 6eme ordre 

Ici on voit qu’on arrive à un bon modèle où l’amplitude des basses fréquences est parfaite, mais celle 
aux hautes fréquences est en quelque sorte compensée avec un pic assez important. 

 
‐ 22 ‐ 
 
Ahmed Slama  Robust pole placement   

A ce stade on a essayé de modéliser un régulateur mais on n’arrive toujours pas à un régulateur qui 
puisse  fonctionner  correctement  sur  le  système  réel.  Ceci  est  dû  à  une  grande  amplification  des 
bruits  de  mesure  à  l’entrée.  On  peut  le  voir  sur  le  diagramme  de  la  fonction  de  sensibilité  de 
l’entrée : 

 
Figure 21 : Fonction de sensibilité à l'entrée RST sans zéro dans S 

En essayant de placer un zéro en ‐1 dans le polynôme S de notre régulateur on arrive à baisser la 
fréquence de Nyquist mais pas avant où ca reste toujours élevé. 

 
Figure 22 : Fonction de sensibilité de l'entrée RST avec zéro en ‐1 dans S 

L’amplitude reste très élevée même en modifiant la place du pôle qu’on ajoute dans S afin de baisser 
la fonction de sensibilité de l’entrée. Donc on n’arrive pas à modéliser un régulateur sur la base de ce 
modèle. On doit donc essayer d’améliorer encore notre modélisation  d’une autre manière. 

 
‐ 23 ‐ 
 
Ahmed Slama  Robust pole placement   

c. Modèle sixième ordre optimisé avec masse libre  
 

L’idée que j’ai ensuite essayé, est de libérer la place de la deuxième masse et de laisser à Fmincon le 
choix de la placer au mieux pour améliorer notre modèle. On obtient donc les nouveaux paramètres 
suivants : 

Paramètres  Valeurs  Paramètres  Valeurs  Paramètres Valeurs 


 L    0.3384 m   Kt, Km    0.0017 N.m   Jeq  0.0004 Kg.m2 
Lm   0.2917 m   Kb1   1.7078 N.m/rad  Beq  0.00294 N.m/(rad/s)
 m1   0.0112 Kg  Kb2   1.3051 N.m/rad  ηm   0.7207 
m2   0.0019 Kg  Kg    49.9509   ηt  0.5094 
 Rm    2.0351Ω         
 

Et on obtient le modèle suivant : 

 
Figure 23 : Agrandissement de la sortie à un signal SBPA du modèle masse libre optimisé 

On voit qu’on arrive bien à suivre le signal de sortie et donc à minimiser le critère d’erreur. 

 
‐ 24 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 24 : Réponse indicielle modèle optimisé avec masse libre 

On voit qu’on obtient une réponse indicielle vraiment bien superposée à celle du modèle identifié. 

 
Figure 25 : Pole‐Zéro modèle optimisé avec masse libre 

Ici aussi on voit qu’on superpose vraiment bien les pôles de basse fréquence mais ceux des hautes 
fréquences sont vraiment différents. 

 
‐ 25 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 26 : Diagramme de Bode modèle optimisé avec masse libre 

On voit sur le diagramme de Bode qu’on néglige le pic des hautes fréquences et on obtient donc un 
modèle équivalent à ceux du quatrième ordre, mais mieux superposé dans les basses fréquences. 

Une idée ici qu’on pas eu le temps de développer est d’augmenter le nombre de masses concentrées 
utilisées pour la modélisation du bras qui pourrait donner de meilleurs résultats. 

On  n’arrive  donc  pas  à  modéliser  correctement  notre  bras  souple  qui  est  en  apparence  simple. 
C’était prévisible vu qu’on ne considère pas la masse linéique du bras et tous ses modes vibratoires, 
ce qui n’est pas évident à modéliser sans le considérer avec des éléments finies, qui sont difficiles à 
intégrer dans un modèle mathématique pour l’utiliser en automatique.  

Donc à ce stade on a décidé de continuer le projet en identifiant les différents systèmes à étudier. 

 
‐ 26 ‐ 
 
Ahmed Slama  Robust pole placement   

III.Identification : 
 

On  procède  donc  à  une  identification  paramétrique  des  différents  modèles  à  étudier,  avec 
différentes masses placées à différents endroit du bras. On a identifié en tout cinq modèles à l’aide 
des outils d’identification de Matlab, en minimisant l’erreur de sortie (fonction oe) en appliquant un 
signal  SBPA  (signal  binaire  pseudo  aléatoire)  à  l’entrée.  On  fait  une  correction  de  l’intégrateur  à 
chaque fois et on a enlève la composante continue et la composante linéaire des signaux entrée et 
sortie. 

Modèles identifiés : 

Hz1 : modèle sans masse qu’on a déjà identifié et utilisé pour la vérification : 

Hz2 : modèle avec une masse de 24 g au bout du bras : 

Hz3 : modèle avec une masse de 24 g au milieu du bras (230 mm) : 

Hz4 : modèle avec deux masses au bout du bras : 

Hz5 : modèle avec deux masses au milieu du bras : 

 
‐ 27 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 27 : Diagramme de Bode différents modèles identifiés 

Ici on montre la différence qu’il y a entre les systèmes identifiés qui se situe en gros dans la partie 
hautes fréquences. 

 
 
Figure 28 : Pole‐Zéro différents modèles identifiés

Là aussi on montre la place des pôles et on voit qu’aux basses fréquences les pôles sont voisins mais 
au niveau des hautes fréquences ils sont assez dispersés. 

 
‐ 28 ‐ 
 
Ahmed Slama  Robust pole placement   

IV. Régulateur RST  

1. Calcul des régulateurs  
 

Pour modéliser nos régulateurs, on détermine le degré des différents polynômes avec la méthode vu 
au  cours  et  on  résout  l’équation  de  Diophante.  Pour  cela  on  utilise  la  matrice  de  Sylvester  qu’on 
résout à l’aide de Matlab. 

a. RST simple  
 

Pour le calcul d’un régulateur sans intégrateur et sans simplification de zéro on a les degrés des 
polynômes suivant : 

On a notre système :    

On choisit donc   

On calcule donc   

 Avec un P de degré 2 et donc PA de degré 3. 

Et donc   

Donc   

D’où l’équation de Diophante suivante :   

Sous forme matricielle : 

 
‐ 29 ‐ 
 
Ahmed Slama  Robust pole placement   

Avec   

b. RST avec un zéro dans le polynôme S  
 

En ajoutant un zéro en ‐1 dans le polynôme S on obtient les changements suivants : 

Le degré du polynôme observateur   

Et la nouvelle équation de Diophante à résoudre devient : 

On pose donc   

;   

Et sous forme matricielle le système devient : 

 
‐ 30 ‐ 
 
Ahmed Slama  Robust pole placement   

2. Régulateur conçu  
 

On a conçu plusieurs régulateurs RST pour les différents systèmes. On a choisi d’utiliser le régulateur 
conçu  pour  le  système  sans  masse  vu  qu’il  est  le  plus  différent  des  autres  qui  sont  a  peu  prés  la 
même  chose.  Pour  cela  on  va  utiliser  un  régulateur  avec  les  mêmes  pôles  que  celui  conçu  en 
méthode  robuste,  donc  à  une  fréquence  de  14.9  Hz ;  fréquence  assez  basse  qui  satisfait  tout  les 
autres  systèmes.  D’où  les  deux  pôles  dominants    à  0.8243  ±  j0.0757  et  les  pôles  du  polynôme 
auxiliaire et du polynôme observateur à 0.1. On a aussi placé un zéro en ‐1 dans le polynôme S pour 
diminuer la fonction de sensibilité de l’entrée comme dans le régulateur robuste. 

Ce qui nous donne le régulateur du cinquième ordre suivant : 

D’où  la fonction de transfert régulée en boucle fermée : 

 
Figure 29 : Pole‐Zero système sans masse avec régulateur RST 

 
‐ 31 ‐ 
 
Ahmed Slama  Robust pole placement   

Ici on voit le bon placement des pôles obtenus avec le régulateur conçu. On voit bien la fréquence 
choisie et le critère d’amortissement de 0,9. 

 
Figure 30 : Diagramme de Bode fonction de sensibilité de l'entrée 

On vérifie ici la fonction de sensibilité de l’entrée qui comme on le voit est assez acceptable ; elle ne 
dépasse pas les 40 DB. 

 
Figure 31 : Commande du système pour la trajectoire à suivre 

On vérifie aussi l’amplitude de la commande qui ne doit pas dépasser les 5 V pour la consigne qu’on 
doit appliquer.  

 
‐ 32 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 32 : Simulation linéaire en boucle fermé du système sans masse 

Ici on représente une simulation en boucle fermée avec Matlab. Le régulateur est bien fonctionnel 
pour le modèle sans masse, ce qu’on va vérifier par la suite sur le système réel.  

 
‐ 33 ‐ 
 
Ahmed Slama  Robust pole placement   

3. Essais sur les systèmes réels  
 

 
Figure 33 : Test réel du régulateur RST sur le système sans masse 

Le test du régulateur sur le système réel est positif à part un léger statisme dû aux frottements qu’on 
ne prend pas en compte. Cela dit on peut l’enlever en ajoutant un intégrateur dans notre régulateur, 
mais vu que le système en a déjà un, on approche de l’instabilité car la fonction de sensibilité de la 
sortie augmente trop.    

Ensuite on a essayé notre régulateur sur les différents systèmes en ajoutant des masses à chaque fois 
à différents endroits, et on constate que ca ne fonctionne plus en modifiant le système. 

 
Figure 34 : Test RST sur système avec masse de 24 g au bout du bras 

 
‐ 34 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 35 : Test RST sur système avec une masse de 24g au milieu du bras 

 
Figure 36 : Test du RST sur un système avec deux masses de 12 g au bout et au milieu 

On  voit  que  le  régulateur  fonctionne  seulement  avec  le  système  pour  lequel  on  l’a  conçu  et  on 
n’arrive pas à en modéliser un avec la même méthode qui puisse fonctionner pour plusieurs modèles 
différents comme ceux qu’on a utilisé ici. 

 
‐ 35 ‐ 
 
Ahmed Slama  Robust pole placement   

V. Régulation Robuste  

1. Théorie de la méthode de commande et control robuste  
 

Pour  vérifier  la  stabilité  d’un  système   régulé  par    ,  on  doit  donc  garantir  la  stabilité 
fonction de transfert en boucle fermée : 

Pour cela on étudie les zéros de   son polynôme caractéristique. Pour ce 
faire,  on  transforme  notre  système  en  un  modèle  d’état  en  calculant  les  matrices  A,  B,  C  et  D. 
Comme  exemple  on  peut  citer  une  manière  de  construire  A  nommée  Controllable  Canonical  Form 
qui donne : 

A=  avec   

De cette manière on a obtient les zéros de c(z) égaux aux valeurs propres de A, donc si on prouve que 
le  système  de  A  est  ‘stable’  alors  celui  c(z)  l’est  aussi.  Mais  le  problème  est  non  linéaire  vu  que  le 
contrôleur n’est pas connu, et que ce dernier doit fonctionner pour plusieurs systèmes   

 ; … ; . 

Pour rendre le problème convexe on utilise une méthode avec la définition SPR (Strictly Positive Real) 
qui facilite le traitement des différents polynômes . 

Définition SPRness : Si un système est SPR, il est donc stable et son diagramme de Nyquist appartient 
à la partie réelle positive. 

Pour cela on utilise le théorème KYP qui dit que G(z) est SPR si et seulement si il existe P=PT>0 tel que 
  où  on  satisfait  au  même  moment  le  théorème  de  Lyapunov  

qui représente le premier élément de notre matrice donc il doit être automatiquement négatif, d’où 
la garantie de la stabilité du système. 

L’avantage  des  systèmes  SPR  qu’on  exploite  dans  cette  méthode  est  la  ‘stabilité’  de  ses  zéros.  On 
l’utilise donc pour construire un système    avec notre polynôme caractéristique c(z) et un 

polynôme arbitraire stable d(z) qu’on fixe pour prouver la stabilité de c(z), si on arrive à prouver que 
G(z) est SPR en utilisant le théorème KYP avec les matrices A, B, C et D correspondantes au système 
G(z) et calculées par exemple avec la méthode citée précédemment : Controllable Canonical Form. 

 
‐ 36 ‐ 
 
Ahmed Slama  Robust pole placement   

La  procédure  qu’on  suit  est  la  suivante :  on  construit  un  système  G(z)  avec  notre  polynôme 
caractéristique c(z) et un polynôme stable qu’on fixe. On calcule ensuite les matrices équivalentes A, 
B, C et D et on vérifie si le système est SPR avec le théorème KYP.  

Pour plusieurs systèmes différents on aura une matrice de la forme : 

  

 
Espace 
Cette  inégalité  est  donc  facile  à  résoudre  avec  les  convexe 
méthodes  numériques  actuelles  vu  que  le  choisis 
problème  devient  convexe,  mais  au  même  temps 
limité  à  une  certaine  région  fixé  par  le  polynôme 
Espace non 
d(z). 
convexe 
 

  H1 

Un  autre  grand  avantage  de  la  méthode  est  que  le  régulateur  qu’on 
calcule pour un nombre fini de systèmes arrive aussi à réguler tous les  H5  Espace des  H2 
systèmes qui représentent des combinaisons linéaires de ceux utilisés  systèmes 
dans la conception du régulateur.  contrôlables 

 
H3 
H4 
 

On utilise aussi pour dans la modélisation de notre régulateur la méthode de Loop Shaping afin de 
minimiser l’amplitude des fonctions de sensibilité de l’entrée et de la sortie. 

 
‐ 37 ‐ 
 
Ahmed Slama  Robust pole placement   

2. Régulateur robuste  
 

Grace à la méthode robuste on  peut concevoir un régulateur pour différents systèmes plus ou moins 
similaires et aussi pour toutes les combinaisons linéaires de ces systèmes. Pour le prouver, on a pris 
en  considération  juste  quatre  des  cinq  systèmes  identifiés.  On  a  enlevé  le  système  avec  une  seule 
masse au milieu. Le régulateur qu’on obtient est d’ordre 7  : 

 
Figure 37 : Pole‐Zéro système avec régulateur robuste en boucle ferme 

On vérifie ici la place des pôles du système sans masse auquel on applique le régulateur en boucle 
fermée. On voit que tous les pôles sont à l’intérieur du cercle unité, mais pas aussi bien placés que 
pour le régulateur RST. 

 
‐ 38 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 38 : Diagramme de Bode fonction de sensibilite de l'entrée 

On vérifie ici l’amplitude de la fonction de sensibilité de l’entrée qui est correcte. 

 
Figure 39 : Commande pour suivre le profil composé d’échelons 

On vérifie aussi l’amplitude de la commande qui ne doit pas dépasser les 5V. 

 
‐ 39 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 40 : Simulation linéaire en boucle fermé du système sans masse 

On obtient donc la simulation linéaire en boucle fermée du système sans masse qui comme on le voit 
arrive bien à suivre mais plus lentement que pour le régulateur RST.  

 
‐ 40 ‐ 
 
Ahmed Slama  Robust pole placement   

3. Essais sur les systèmes Réels  
a. Essai sur les systèmes utilisés pour concevoir le régulateur  
 

 
Figure 41 : Test régulateur robuste sur le système sans masse 

On constate que notre régulateur fonctionne assez bien sur le système sans masse avec toujours un 
léger statisme dû aux frottements. 

 
Figure 42 : Test régulateur robuste sur le système avec une masse de 24 g au bout du bras 

Ici aussi notre régulateur reste fonctionnel mais avec quelques oscillations en plus dues à l’inertie de 
la masse qu’on ajoute. 

 
‐ 41 ‐ 
 
Ahmed Slama  Robust pole placement   

  

 
Figure 43 : Test régulateur robuste sur le système avec une masse de 48 g au bout 

 
Figure 44 : Test régulateur robuste sur le système avec masse de 48 g au milieu 

On voit que les deux autres systèmes de plus grandes masses arrivent à suivre plus ou moins la 
consigne qu’on leur impose. 

 
‐ 42 ‐ 
 
Ahmed Slama  Robust pole placement   

b. Essais sur d’autres systèmes  
 

On veut maintenant prouver que notre régulateur est fonctionnel pour d’autres systèmes qui se 
trouvent dans l’espace formé par les systèmes utilisés lors de la conception.  

 
Figure 45 : Test régulateur robuste sur le système avec masse de 24 g au milieu 

La réponse est assez bonne malgré quelques fluctuations. 

 
Figure 46 : Test régulateur robuste sur le système avec masse  de 24 g à 320 mm du moteur 

Ici on choisit un autre système situé dans l’espace des systèmes utilisés lors de la conception on 
constate que le régulateur fonctionne assez bien. 

 
‐ 43 ‐ 
 
Ahmed Slama  Robust pole placement   

 
Figure 47 : Test régulateur robuste sur le système avec 2 masses de 12 g au bout et au milieu 

On  a  encore  choisi  un  systeme  different  auquel  on  constate  aussi  que  notre  regulateur  est 
fonctionnel. 

Pour conclure : notre regulateur est bien robuste avec des performances plus ou moins bonnes et La 
methode marche bien pour les systemes qui sont des combinaisons des systemes utilisés lors de la 
conception. 

 
‐ 44 ‐ 
 
Ahmed Slama  Robust pole placement   

VI. Conclusion  
 

Durant  ce  projet,  on  a  réalisé  la  difficulté  de  modéliser  un  système  même  s’il  est  assez  simple  en 
apparence. La modélisation qu’on pouvait faire dans le cadre d’un projet en automatique est plutôt 
simple  donc  on  néglige  assez  de  concept  dans  la  vraie  physique  du  système.  Mais  dans  notre  cas, 
cette simplification du modèle ne nous permet pas de concevoir des régulateurs performants car la 
différence entre le modèle et le système réel doit être minimale ce qu’on n’arrive pas à obtenir dans 
notre cas. 

On  a  aussi  constaté  que  les  régulateurs  RST  sont  des  régulateurs  très  performants  mais  qui  ne 
fonctionnent  pas  pour  des  systèmes  légèrement  différents,  or  les  régulateurs  robustes  sont  moins 
performants mais ont l’avantage de réguler plusieurs systèmes différents. 

Donc en conclusion on peut dire que le choix d’une méthode pour modéliser un régulateur dépend 
fortement  de  l’utilisation  du  système  qu’on  doit  réguler,  et  on  ne  pourra  pas  trancher  sur  une 
comparaison globale des régulateurs. 

 
‐ 45 ‐